标签：最大 多进程 class set from 计数 ssi pytho item
进程是一个执行空间 , 线程就是其中真正工作的单位 , 每一个进程至少有一个线程(如果我们把操作系统比喻为一个工厂 , 进程就是车间 , 线程就是流水线)
进程包含了运行该程序所需要所有资源 , 进程是一个资源单位 , 线程是CPU的最小执行单位
每一个进程一旦被创建 , 就默认开启了一条线程 , 称之为主线程
多线程指的是，在一个进程中开启多个线程，简单的讲：如果多个任务共用一块地址空间，那么必须在一个进程内开启多个线程。详细的讲分为4点：
多线程共享一个进程的地址空间
线程比进程更轻量级，线程比进程更容易创建可撤销，在许多操作系统中，创建一个线程比创建一个进程要快10-100倍，在有大量线程需要动态和快速修改时，这一特性很有用
若多个线程都是CPU密集型的，那么并不能获得性能上的增强，但是如果存在大量的计算和大量的I/O处理，拥有多个线程允许这些活动彼此重叠运行，从而会加快程序执行的速度。
在多CPU系统中，为了最大限度的利用多核，可以开启多个线程，比开进程开销要小的多。（这一条并不适用于python）
使用线程可以提高程序效率
为何不用多进程提高效率 : 是因为进程对操作系统的资源耗费非常高
线程共享创建它的进程的地址空间 ; 进程有自己的地址空间。
线程可以直接访问其进程的数据段;进程拥有自己父进程数据段的副本。
线程可以直接与其进程的其他线程通信;进程必须使用进程间通信来与兄弟进程通信。
新线程很容易创建;新流程需要复制父流程。线程可以对同一进程的线程进行相当大的控制;进程只能控制子进程。对主线程的更改（取消，优先级更改等）可能会影响进程的其他线程的行为;对父进程的更改不会影响子进程。
当程序中遇到IO操作时(当程序中时纯计算任务时 也无法提高效率)
from threading import Thread
创建线程与创建进程的方式几乎一样 , 但是创建子进程会将父进程的资源复制执行一遍 , 所以必须在__main__下执行 , 而创建线程则不一样 , 线程间共享进程资源,所以不需要复制执行父线程代码,所以可以不加__main__。
一 . 创建线程的两种方式
调用类型
from threading import Thread ? ? def task(): print(‘thread running...‘) ? ? if __name__ == ‘__main__‘: t = Thread(target=task) t.start() ? print(‘主线程‘) ? # 执行结果 # thread running... (子线程比主线程执行速度更快) # 主线程
继承类型
from threading import Thread ? ? class Sayhi(Thread): def __init__(self,name): super().__init__() self.name=name def run(self): print(‘%s say hello‘ % self.name) ? ? if __name__ == ‘__main__‘: t = Sayhi(‘jason‘) t.start() print(‘主线程‘) # 执行结果 #jason say hello #主线程
二 . 线程的常用方法
Thread实例化对象的方法: # 1.isAlive(): 判断线程是否还存在(未终止) # 2.getName(): 返回线程名 # 3.setName(): 设置线程名 ? threading模块下提供的方法 # threading.currentThread(): 返回当前的线程变量 # threading.enumerate(): 返回一个正在运行的线程列表 # threading.activecount(): 返回当前运行的线程数量 # len(threading.activecount()): 与上一个方法返回相同值
三 . 在一个进程下开启多个线程与在一个进程下开启多个子进程的区别
开启速度 : 开启线程>>开启进程(所以程序效率会大大提高)
id :
进程开启多线程的pid都相同 ( 很好理解pid是process id , 所以线程pid相同)
进程开启多个进程的pid不同
空间资源:
进程开启的多线程的共享进程内的资源 , 某线程修改数据后 . 其他线程再访问则是新的数据
进程开启多个子进程的数据互相独立 , 子进程内修改数据不会对其他进程数据造成干扰
守护线程 : 守护线程会在所有非守护线程结束后结束
守护线程本质是上是在守护主线程 ,但是对于主线程来说 , 运行完毕指的是主线程所在的进程内所有非守护进程统统运行完毕,主线程才算运行完毕
from threading import Thread import time ? def task1(): print(‘sub thread is running...‘) time.sleep(0.5) print(‘sub thread end...‘) def task2(): time.sleep(0.1) print(‘task2 is run...‘) ? t1 = Thread(target=task1) t2 = Thread(target= task2) ? t1.setDaemon(True) # 将t1设置为守护线程, 必须在start之前设置 ? t1.start() t2.strat() ? # 执行结果 #sub thread run... #task2 is run... ? ?
什么时候用锁 :
当多个进程或多个线程需要同时修改同一份数据时,可能会造成数据错乱,所以必须加锁
import time from threading import Thread,Lock ? lock =Lock() # 实例化锁对象 ? a = 100 ? def task(): lock.acquire() # 给线程上锁 global a # 访问全局a temp = a - 1 # 修改全局a time.sleep(0.01) a = temp lock.release() # 释放锁,线程执行完毕 ? ts = [] for i in range(100): t = Thread(target=task) t.start() ts.append(t) ? for t in ts: # lock保证了多线程串行,同时主线程print(a)也在其中,但是我们想得到最终结果,所以用join人为设置顺序 t.join() ? ? print(a)
其实也是一种锁 , 特点是可以设置一个数据可以被几个线程(进程)共享.
与普通锁的区别:
普通锁一旦加锁,则意味着这个数据在同一时间只能被一个线程使用
信号量这种锁,特点是可以设置一个数据可以被几个线程(进程)共享
使用场景
可以限制一个数据同时访问的次数 , 保证程序正常运行
from threading import Thread,Semaphore import time sem = Semaphore(3) # 设置最大访问进程数 ? ? def task(): sem.acquire() print(‘你好啊‘) time.sleep(3) sem.release() ? ? for i in range(10): t = Thread(target=task) ? t.start() # 执行结果太长, 就不打印了 # 现象描述 : 就是3个一次打印
""" 用生产者消费者模型实现一个顾客吃汉堡的功能 主要是生产者生产处汉堡放入队列,然后消费者吃掉, 要判断什么时候顾客吃完了所有生产了的汉堡 """ from multiprocessing import Process, JoinableQueue import time, random ? def eat_hotdog(name, q): while True: res = q.get() print(‘%s吃了%s‘ % (name,res)) time.sleep(random.randint(1,2)) q.task_done() ? ? def make_Hotdog(name, q): for i in range(1,6): time.sleep(random.randint(1,2)) print(‘%s生产了第%s个热狗‘ % (name, i)) res = ‘%s的%s个热狗‘ % (name,i) q.put(res) ? ? if __name__ == ‘__main__‘: q = JoinableQueue() ? #生产者 c1 = Process(target=make_Hotdog, args=(‘a热狗店‘, q)) c1.start() ? #生产者2 c2 = Process(target=make_Hotdog, args=(‘b热狗店‘,q)) c2.start() ? # 消费者 p2 = Process(target=eat_hotdog, args=(‘顾客‘,q)) p2.daemon = True # 队列阻塞打开,主进程执行完毕,守护进程死 p2.start() ? ? # 保证生产者全部完成 c1.join() c2.join() ? ? # 保证队列中的数据全部被处理了 ‘‘‘ join:阻止，直到队列中的所有项目都已获取并处理完毕。 ? 每当项目添加到队列时，未完成任务的计数就会增加。 每当消费者调用task_done（）以指示该项目已被检 索并且其上的所有工作都已完成时，计数就会下降。 当未完成任务的数量降至零时，join（）取消阻塞。 ‘‘‘ q.join() # JoinableQueue方法
标签：最大 多进程 class set from 计数 ssi pytho item
原文地址：https://www.cnblogs.com/liusijun113/p/10211715.html
